public static RowDataset8 GetRowDataset8(MnistDatasource mds, int[] classes)
{
if (mds.NSamples() == 0)
throw new Exception("MNIST database is empty!");
// определим максимальный индекс
byte maxLabel = 0;
foreach (byte label in mds.Labels)
{
if (label > maxLabel)
maxLabel = label;
}
// проверим соответствие индексов Mnist указанному списку классов
if (maxLabel >= classes.Length)
throw new Exception("Classes do not correspond to the MNIST!");
// создаем тренировочную базу
RowDataset8 ds = new RowDataset8(mds.NSamples());
// перебираем MNIST базу
for (int i = 0; i < mds.NSamples(); i++)
{
int label = mds.Labels[i];
StdInput stdInp = new StdInput(mds.ImagesData[i], mds.ImgHeight, mds.ImgWidth);
ds.Add(stdInp.ToFloatarray(), classes[label]);
}
return ds;
}
public void TestRowDataset()
{
DRandomizer.Default.init_drand(DateTime.Now.Millisecond);
// load Mnist datasource
MnistDatasource mds = new MnistDatasource();
mds.LoadFromFile(mnistFileNamePrefix);
// convert mnist to RowDataset8
RowDataset8 ds8 = MnistDatasetConvert.GetRowDataset8(mds, classes);
// show random sample to console
Floatarray fa = new Floatarray();
int isample = (int)DRandomizer.Default.drand(ds8.nSamples(), 0);
ds8.Input(fa, isample);
Console.WriteLine("Char is '{0}'", (char)ds8.Cls(isample));
NarrayShow.ShowConsole(fa);
// compare random float sample and original mnist
StdInput inp1 = new StdInput(mds.ImagesData[isample], mds.ImgHeight, mds.ImgWidth);
StdInput inp2 = new StdInput(fa);
Console.WriteLine("Arrays is identical? {0}", Equals(inp1.GetDataBuffer(), inp2.GetDataBuffer()));
// save RowDataset8 to file
Console.WriteLine("Saving {0} samples..", ds8.nSamples());
ds8.Save(mnistFileNamePrefix + dsExt);
// load RowDataset8 from file
RowDataset8 ds = new RowDataset8();
ds.Load(mnistFileNamePrefix + dsExt);
Console.WriteLine("Loaded {0} samples", ds.nSamples());
}
public static RowDataset8 GetRowDataset8(MnistDatasource mds, int[] classes)
{
if (mds.NSamples() == 0)
{
throw new Exception("MNIST database is empty!");
}
// определим максимальный индекс
byte maxLabel = 0;
foreach (byte label in mds.Labels)
{
if (label > maxLabel)
{
maxLabel = label;
}
}
// проверим соответствие индексов Mnist указанному списку классов
if (maxLabel >= classes.Length)
{
throw new Exception("Classes do not correspond to the MNIST!");
}
// создаем тренировочную базу
RowDataset8 ds = new RowDataset8(mds.NSamples());
// перебираем MNIST базу
for (int i = 0; i < mds.NSamples(); i++)
{
int label = mds.Labels[i];
StdInput stdInp = new StdInput(mds.ImagesData[i], mds.ImgHeight, mds.ImgWidth);
ds.Add(stdInp.ToFloatarray(), classes[label]);
}
return(ds);
}
public void TestTrainSimple()
{
// create lenet
LenetClassifier classifier = new LenetClassifier();
classifier.Set("junk", 0); // disable junk
classifier.SetExtractor("scaledfe");
classifier.Initialize(classesNums);
StringBuilder sbout;
classifier.GetStdout(out sbout);
Console.Write(sbout);
// load RowDataset8 from file
RowDataset8 ds = new RowDataset8();
ds.Load(trainDatasetFileName);
// do train
classifier.Set("epochs", 3);
classifier.XTrain(ds);
// save classifier to file
classifier.Save(trainNetworkFileName);
// test recognize
DoTestRecognize(classifier);
}